没有合适的资源?快使用搜索试试~ 我知道了~
互联网干预28(2022)100516与国家数字精神卫生服务机构放大图片作者:OlavNielssen a,b,*,Lauren G. 斯台普斯a,b,凯瑟琳瑞安b,埃亚尔卡琳a,c,罗尼凯鲁兹a,b,布莱克·F亲爱的a,b,c,谢恩·克罗斯 b,尼古拉·蒂托夫a, ba澳大利亚麦考瑞大学bMindSpot诊所,澳大利亚ceCentreClinic,澳大利亚A R T I C L EI N FO保留字:自杀风险预测MindSpot数字化心理健康服务PHQ-9A B S T R A C T背景:通过互联网远程提供精神卫生保健的安全性,特别是接触后自杀的可能性,尚不清楚。方法:对在MindSpot诊所(澳大利亚国家数字精神卫生服务机构(DMHS))注册的患者进行观察性队列研究,与国家死亡指数相关。测量指标包括人口统计学信息、接触性质、最后一次接触与死亡之间的持续时间、心理困扰(K-10)、抑郁(PHQ-9)和焦虑(GAD-7)测量评分,以及对最后一次接触该服务两年内因自杀死亡的患者结果:在2013年1月1日至2016年12月31日期间,在MindSpot诊所登记的59,033名患者中,有5xty4名(0.11%)在最后一次联系后两年内死于自杀。最后一次接触与死亡之间的平均时间为344天。14名患者在最后一次接触后90天内死亡,285名在接触时或之后不久被紧急转诊接受危机服务干预的患者中有4人在2年内死亡自杀有自杀想法(OR:2.59)、有自杀计划(OR:10.8)、PHQ9第9项评分为与随后的自杀有很大关系。自杀死亡的患者更可能是男性(OR:3.2),中年(35参加在线治疗课程与风险降低相关(OR:0.38)。结论:虽然DMHS提供服务的抑郁症患者有严重的症状,只有一小部分死于自杀,只有少数人被转介到紧急护理,这表明该诊所的安全协议是相对有效的。1. 介绍抑郁症与随后的自杀之间存在显著关联(Ribeiro等人,2018年)。一项大型前瞻性研究发现,自杀死亡的人中有一半在前一年被诊断出患有精神健康状况或接受过治疗(Simon等人, 2018年),另一项在初级和门诊护理中进行的大型研究发现,与没有报告这些想法的患者相比,在回答患者健康问卷(PHQ-9)的问题9时报告频繁死亡或自我伤害想法的患者在次年死于自杀的可能性高出五倍(Simon et al.,2016年)。最近,全球数字精神卫生服务(DMHS)的数量迅速增长,试图增加循证护理的可及性(Titov等人, 2018年),在一些国家DMHS现在作为常规护理的一部分向大量患者提供服务(Titov等人,2018年)。治疗师指导的DHMS的有效性现在已经得到了很好的确立,其临床结果与高质量的面对面护理相当(Titov等人,2020; Andersson等人, 2019; Etzelmu-eller等人,2020年)。然而,最近对自杀前与心理健康服务机构接触的荟萃分析不包括任何与DMHS接触后自杀的研究(Walby等人,2018年),并且对DMHS用户的风险状况或识别和管理风险的程序的充分性知之甚少。澳大利亚有几个DMHS,包括由澳大利亚卫生部资助的MindSpot诊所(Mind-Spot)。MindSpot通过训练有素的心理健康专业人员向每年超过20,000名患有焦虑、抑郁和慢性疼痛的成年人提供基于证据的评估和治疗(Titov等人,2020; Titov等人,2015; Titov等人,2017年)。大多数MindSpot用户在被告知* 通讯作者:17/235 Macquarie Street,Sydney,NSW,Australia.电子邮件地址:olav. mq.edu.au(O. Nielssen)。https://doi.org/10.1016/j.invent.2022.100516接收日期:2021年10月24日;接收日期:2022年2月18日;接受日期:2022年2月20日2022年2月26日在线提供2214-7829/© 2022作者。由Elsevier B. V.发布,这是CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表互联网干预期刊主页:www.elsevier.com/locate/inventO.尼尔森等人互联网干预28(2022)1005162服务或进行自己的搜索。四分之三的人报告了临床上显著的抑郁症状,通常在严重范围内,超过四分之一的人报告了自杀想法,近4%的人报告了当前的自杀计划(Titov等人,2020年),约0.5%的人在披露自我伤害计划后被转诊接受危机干预,主要是在评估时(Nielssen等人,2015年)。然而,这些紧急转诊的结果,除了在澳大利亚各地提供紧急转诊服务外,与DMHS(如MindSpot)接触后的自杀风险尚不清楚。1.1. 研究的目的本研究的目的是(1)确定最后一次与全国DMHS联系后两年的自杀率;(2)确定因自杀风险增加而紧急转诊至急诊服务的患者是否随后死于自杀,以及(3)试图根据自杀死亡者的特征开发预测风险评估模型。2. 方法2.1. 患者和数据链接患者为18岁或以上的澳大利亚居民。2013年1月1日至2016年12月31日期间,共有62,611人在MindSpot注册,其中59,033人同意将其记录用于研究目的,并提供了足够的数据进行链接。患者的详细信息被转发到澳大利亚卫生和福利研究所(AIHW),以与国家死亡指数相匹配。卫生福利研究院提供了关于死亡事实和自杀原因的数据。使用ICD-10编码(X60-X84)。在关联时,国家死亡指数的数据一直持续到2018年底,因此终点定义为2019年1月1日或自杀日期。然后,研究人员检查了在最后一次与MindSpot联系后两年内死于自杀的患者的档案2.2. MindSpot诊所程序大多数患者自我推荐,并被邀请完成在线评估,其中包括一系列症状问卷。的人Fig. 1. 患者流程图。O.尼尔森等人互联网干预28(2022)1005163==-===-=-==-然后根据需要在临床医生的支持下提供一系列自我指导课程之一的临床显著症状评分。要求参加课程的患者在课程的每周和3个月随访时填写症状问卷。评估程序、所提供的治疗的性质和治疗的结果在别处详细描述(Titov等人, 2020; Titov等人, 2015; Titov等人, 2017年)。2.3. MindSpot Clinic安全协议MindSpot的临床治理框架、政策和程序与澳大利亚国家安全和质量数字精神健康标准(ACSQHC,2020)保持一致。MindSpot识别和管理有自我或他人伤害风险的患者的程序基于新南威尔士州卫生部的程序(NSWMOH,2014)。评估风险评估发生在患者与MindSpot接触的每个阶段,并由患者对症状问卷的反应和训练有素的治疗师关于自残想法和其他风险指标的临床询问指导。被确定为处于危险中的患者被更详细地询问症状以及已知风险和保护因素的存在,那些无法确认其安全性的患者被转介到当地危机或紧急服务。一旦危机解决,这些患者可以自由地在稍后的日期重新参与MindSpot。安全程序和紧急再灌注性质的详细说明已在其他地方发表(Nielssen等人, 2015年)。2.4. 措施2.4.1. 人口统计信息作为登记和评估过程的一部分,收集了23个人口统计学和症状变量,这些变量构成了自杀风险分析的基础。人口统计学信息包括年龄、性别、婚姻状况、出生国(澳大利亚或其他)、土著状况、教育水平和就业情况。2.4.2. 症状问卷和临床风险患者健康问卷9项(PHQ-9)(Kroenke等人, 2001)广泛性焦虑症7项量表(Spitzer等人,2006)和Kessler 10-Item Plus Scale(K-10)(Kessler等人,2002)在评估时施用,以分别测量抑郁、焦虑和一般痛苦。参与者被问到一系列关于过去和当前健康服务使用的问题,包括他们是否曾因抑郁或焦虑症状而看过心理健康专业人员,他们是否与全科医生谈论过他们的心理健康,以及他们是否正在服用精神药物。他们还被问及就业,人际关系,身体健康或财务方面的困难,以及自杀想法或自残计划2.4.3. 临床数据提取检查门诊记录以确定接触性质。患者接触定义为:(1)仅完成评估的患者(n 48,110),(2)入组治疗疗程的患者 (n 10,638),和(3)在评估时(n 252)或治疗期间(n 33)紧急转诊进行危机干预的患者(n 285)。有关服务和治疗结果的信息也已在其他地方详细发表(Titov等人,2020; Titov等人,2015; Titov等人,2017年)。计算末次联系(定义为最近一次登录或电话联系)日期与死亡之间的持续时间(天)。2.5. 统计分析自杀率、自杀风险因素和预测风险模型的发展遵循三个步骤。首先,对总样本和三个亚组的自杀率进行了估计:(1)那些仅对(2)参加治疗的患者进行评估,(3)由于评估的风险而需要紧急转诊的人。四年研究(2013-在与该服务联系后的第二年进行。在第二步中,通过一系列单变量logistic回归分析研究了参与者水平的自杀风险相关性,检查了与人口统计学特征和症状相关的自杀风险异质性。在评估、治疗和紧急转诊亚组中重复检查风险相关性,以检查转诊途径和参与治疗的效果。单变量模型估计值报告为1:100,000/年(pa),年龄标准化,发病风险比,以便于与人群基准进 行 比 较(Ahmad et al., 2001年)。第三,参与者自杀风险的预测模型被创建为样本作为一个整体,每个服务亚组,以确定与高风险相关的特征的组合。在这一步中,参与者被分为几个亚组,其特征是复合自杀风险的几个变量(多变量,综合风险)。使用卡方自动交互检测分类算法(CHAID)对参与者风险进行估计,并在整个样本和每个亚组内进行根据STROBE指南(von Elm等人,2007),进行了一系列额外的敏感性分析,以测试自杀与测量方差相关性的稳健性;(1)重新估计自杀风险比率,而不进行年龄标准化,(2)重新建模,排除缺失数据(默认情况下被视为一个独特的类别),(3)在控制了与自杀概率相关的任何差异后,对自杀风险进行再分析。(倾向分数)仅完成评估,接受治疗,或被转介到紧急服务。这些模型的结果见补充材料。使用SPSS 27进行统计分析,<0.05被认为具有统计学显著性。统计功效确定为0.8。任何患者变量的缺失数据均作为一个不同类别纳入所有分析2.6. 伦理审查麦考瑞大学人类研究和伦理委员会(参考编号:5201949936957)和AIHW(EO2019/2/242)批准开展本研究。MindSpot Clinic已在澳大利亚和新西兰临床试验注册中心注册(ACTRN12613000407796)。3. 结果3.1. DMHS接触后自杀风险的估计在运营的前四年,59,033名同意参与者开始使用该服务进行在线评估(图1,表1)。其中,64人在最后一次与该服务接触后两年内死于自杀,自杀的年龄标准化估计为20岁。56.6(95% CI 54.0至58.5)/100,000/年(pa)。预防性检查发现,自杀风险比在研究的四年内(Waldχ2 1.348,p. 704)以及接触服务后的第一年和第二年之间(Waldχ2 0.3745,p. 711)保持稳定。在59,033例中,有11,902例(20.2%)未完全填写评估问卷,导致大部分样本数据不完整。没有完成调查的人的自杀风险比14例自杀死亡者与其余评估样本无差异(OR不完全1.04,p.764,Waldχ20.09)。在DMHS样本中,10,671人(18.1%)参与了该服务的治疗,其中7人已知死于自杀。研究发现,参与治疗的患者的自杀风险比为35.8(95% CI 32至40.1)/100,000 pa,显著低于对照组。O.尼尔森等人互联网干预28(2022)1005164表1自杀死亡患者的特征,不考虑与MINDSPOT的接触程度。基准比较总数患者数量n=64男性,有严重的抑郁、焦虑和精神痛苦症状评分,PHQ9第9项评分为这些特征与比例更高的自杀风险显著相关。报告服用精神药物、失业、最近分居或离婚的患者,和自残计划是自杀案件的少数,但他们的完成的评估风险比与这些病例的数量相比是高的,开始疗程人口统计学(评估时)7/64(11%)a功能.单变量logistic回归模型发现,性别、教育程度、就业、分居和土著地位与性别、教育程度、就业、分居和土著地位相关。评估时的平均年龄(SD)38.2年症状(评估时)35.7岁与至少10倍的自杀风险有关,残疾补助金高达20倍。在临床特征中,与随后自杀最明确的单一关联是披露自杀计划,估计导致自杀率超过人群自杀率的50倍(546.2,95%CI502.3至593.9)。3.5. 不同服务使用K-10 36.5(7.3)PHQ-9 19.9(5.6)14.9(6.2)GAD-7 15.0(4.8)12.5(5.2)PHQ-9第9项 3分有自杀念头66% 32%CHAID分类算法用于分析仅进行评估的患者的(图2)和那些参加治疗(图。3)。算法识别出报告的自杀计划(报告自杀想法的人)服务使用(评估时)25% 4%显示复合自杀风险的3个患者亚组(树节点)对于整个样品。最高的风险是那些分居或离婚并报告有自残计划的男性(7/72,4861%)。以前或现在的医疗专业人员87% 65%与全科医生谈论心理健康68%47%目前的精神药物48%27%在MindSpot评估和信息50% 67%治疗43% 26%其他7% 7%使用在线心理健康服务而不是传统服务便利性和成本43% 34%隐私和匿名17% 33%其他40%b*Titov等人(2020)的比较列。柳叶刀数字健康2,E582-E593。a只有2名患者完成了MindSpot治疗课程的所有5节课2例患者均完成了3个月随访。在随访时,这两名患者的PHQ-9和GAD-7评分均低于临床阈值。b在报告寻求在线支持的其他原因的患者中,26%(7/27)报告说,面对面的服务对他们没有帮助,或者他们需要额外的支持。单纯评估组(OR治疗=0.628,p.001,Waldχ 2= 597.7)。<3.2. 危机转诊在四年期间,285名参与者(0.48%)需要危机干预,并紧急转介到当地的精神卫生服务(249)或紧急服务(35名警察,1名救护车)。在这285名患者中,有4人随后死于自杀,导致风险比估计值显著升高(OR 转 诊=13.47,750.3/100,000 pa)。3.3. 统计功效根据观察到的发病率,确定了80%的统计功效,用于比值比检验,其效应至少为评估亚组中发病率的0.6(OR>0.6)。治疗亚组(n 7)和转诊亚组(n 5)的样本量和发生率减少意味着非显著性效应的反驳不可靠。<<3.4. 自杀风险整个样本总数和每个服务亚组的患者特征见表1。表2中的结果显示,在23个人口统计学和临床变量中,大多数随后的自杀事件是100,000帕)。有自残计划但没有报告分居或离婚的男性风险较小,但仍然很大(7/1381,253.4/100,000pa)。在那些没有报告自残计划的人中,失业或领取残疾救济金与风险增加有关(24/8298,或每10万人144.2),尽管假阳性比例很高(99.7%)。在那些只做过评估的人中也发现了类似的模式,最近分居并有自残计划的男性风险最高(6/152,1973.7/100,000 pa),0.32%的病例,但自杀率为11%中年人(35-55岁就业(9/1507,298.6/100,000人)或领取残疾福利(8/1725,231.9/100,000人)的风险也增加。两种模型在训练-测试样本划分中均表现出有效的交叉验证(表2)。还尝试为正在接受治疗的患者和急性转诊组建立风险模型。在这些组中,男性构成了单一的显著预测因素,占治疗组7例病例中的6例(6/2958,101.4/100,000 pa),占转诊组所有4例病例(4/103,1941.7/100,000 pa)。由于统计功效较低,在这些模型中未识别出协变量。最后,表2中的结果的敏感性分析在补充在线材料中提供以供参考。这些模型说明了使用不同的风险比分析方法对表2中关键人口统计学和症状量表变量的发病率风险比进行稳健估计。4. 讨论据我们所知,这是第一项研究,以检查自杀前患者的DMHS提供远程治疗,使用部分自动化评估和治疗。尽管有大量在该诊所登记的患者报告了严重的抑郁症状、自杀念头和计划,但只有少数人在接触该服务后不久死于自杀。在最后一次接触该服务后的两年里,每年每10万人中有56.6人的总体自杀率约为更广泛社区自杀率的五倍(ABS,2020年),但与Simon及其同事报告的初级保健和门诊心理健康服务患者随后自杀率相当(Simon等人,2016年)。这些发现有助于填补我们对数字干预的潜在不良影响的知识空白(Andersson和Titov,2014),并且对于需要建立数字干预的安全性和质量的监管机构特别感兴趣。在澳大利亚百分之八十二百分之七十八土著民和Torres海峡岛民4.7%3.7%有偿就业百分之四十四百分之五十七大学学历百分之二十五百分之三十九O.尼尔森等人互联网干预28(2022)1005165图二、仅用于评估患者的CHIAD树。DMHS。4.1. 急性转诊图三. 入组治疗的患者的CHIAD树。285名紧急转介至危机服务的病人的诊所纪录显示,在4名其后自杀死亡的病人中,只有1名在接触该服务后不久,即90天后死亡。在澳大利亚各地都发现了紧急救援服务,MindSpot遵循临床程序,旨在识别和管理符合DMHS国家标准的风险,包括升级到专业危机服务(ACSQHC,2020)。X胺化只有一名紧急转诊者在接触后不久死于自杀,这一发现表明,当地紧急和精神卫生服务的危机干预最初是成功的,O.尼尔森等人互联网干预28(2022)1005166在大多数情况下,解决自杀意图或披露自杀计划的原因。4.2. 根据患者特征和症状随后自杀的最强预测因素是在评估时披露自杀计划,其比值比(OR)为21.3在那些没有进展到治疗的患者中,随后的OR为对于PHQ-9问题9得分为“3“的人,为16.4服务(Nielssen等人,2015年)。对那些在DMHS登记的人的特征进行分析发现,中年、男性、土著身份、失业或领取残疾津贴的人自杀的风险都有所增加。在许多情况下,残疾津贴反映了慢性精神障碍的诊断,这与Weiser及其同事的发现一致,即在以色列新兵的大样本中,诊断的精神障碍是随后自杀的主要预测因素(Weiser等人,2016年)。该研究提供了一些证据表明,参加治疗与自杀风险降低相关(OR 0.38),或者是因为治疗有效,因为参与MindSpot治疗始终达到大于1.2的效应量,以及症状评分降低50%(Titov等人,2020),或者因为那些参加治疗的人的特征与那些不参加治疗的人 不 同 (Moskalenko et al., 2020年)。CHAID分析最近发现了一个中年人亚组,有自杀计划的分居男性,其中7/72(10%)在接触后两年内死于自杀,这表明披露这种风险因素组合的男性的目标参与可能有价值(Torous和Walker,2019)。其他高风险组合包括中年和失业或领取残疾津贴,尽管由于假阳性率高,这些特征的效用有限(Nielssen等人,2017年)。很多人去了自杀身亡的人没有完成评估,自杀往往发生在接触后很久,在不为人知的情况下。此外,在Mind-Spot样本中,与自杀相关的风险因素在没有自杀的人群中很常见,即使在高风险人群中,自杀死亡也是相对罕见的事件,导致预测模型中的假阳性率很高,这显著限制了其临床实用性(Ryan等人,2010; Belsher等人,2019年)。然而,目前的研究确定了一系列因素,当结合起来时,与自杀风险增加有关(例如,男性、中年人、失业者或领取残疾津贴者),可以探讨这些问题,并将其用于指导旨在减少风险的有针对性的参与。4.3. 限制这项研究有几个局限性。首先,一些患者没有同意对其数据进行分析,少数患者没有提供足够的可识别信息进行数据链接。此外,自杀死亡在统计学上是罕见事件,需要谨慎考虑基于小数量的还应该注意的是,在本研究中,末次联系与死亡时间之间的随访期为1天至2年,一些患者的自杀风险可能持续数年。少数患者完成了一次以上的评估,尽管距离最后一次联系的持续时间取自最近的评估,并且少数患者对结果没有显著影响。此外,自杀的情况是复杂的,目前的研究无法检查干预事件的性质,包括参与其他精神卫生服务,进一步的生活事件或物质使用的影响。计划利用国家验尸官信息系统提供的关于死亡情况的信息进行进一步研究。另一个重要的限制是,这里报告的结果是基于与一个既定的和良好的接触受监管的DMHS,其中服务由训练有素的心理健康专业人员提供,并且可能不会推广到完全自动化的服务或由不合格的工作人员提供的服务。尽管存在这些局限性,但该研究提供了与DMHS相关的风险因素的有价值信息,并可能有助于规划监管框架和整合到这一新兴行业的现有医疗保健系统5. 结论和临床意义虽然目前研究中的总体自杀率大于一般人群的自杀率(ABS,2020),但与面对面护理的研究相当(Simon等人, 2016; Simon等人, 2018年),很少有在接触服务时或接触服务后不久自杀的。然而,披露自杀想法和计划的患者随后自杀的可能性增加,并确定了几个具有较高风险的群体,这表明需要通过随访或转诊进行持续护理来解决这些患者的自杀风险评估存在固有的局限性,包括高假阳性率(Torous和Walker,2019; Nielssen等人, 2017年),以及缺乏关于风险识别后应遵循的程序的一致意见。结果还表明,排除潜在自杀患者的研究试验可能过于谨慎,因为自杀想法是抑郁症的常见症状,并且产生的结果不一定代表常规护理,并且拒绝对一些潜在参与者进行有效治疗(McCall等人, 2019年)。然而,大多数参与MindSpot治疗的患者都有明显的好处,这是基于参与治疗的患者的症状评分降低总体而言,这些结果表明,如果遵循强制性风险识别,分类和管理协议,由精神卫生专业人员fessionals类似于面对面的服务。本 文 的 补 充 数 据 可 在 https : //doi 网 站 上 找 到 。org/10.1016/j.invent.2022.100516。资金MindSpot诊所由澳大利亚卫生部资助。Titov教授和Dear教授是MindSpot诊所使用的治疗课程的作者和开发者,但没有从中获得任何个人或经济利益。竞争利益MindSpot诊所由澳大利亚卫生部资助。Titov教授和Dear教授是MindSpot诊所使用的治疗课程的作者和开发者,但他们没有个人或从他们身上获得经济利益。其他作者都没有任何潜在的利益冲突需要声明。确认作者衷心感谢澳大利亚健康与福利研究所在数据链接方面提供的建议和帮助。作者还对MindSpot诊所的患者和工作人员表示感谢。MindSpot由澳大利亚卫生部资助数据可用性声明用于研究目的的未经识别的原始数据可在申请时获得,但须经相关研究伦理委员会批准引用ACSQHC,2020年。 国家安全和质量数字医疗卫生标准。O.尼尔森等人互联网干预28(2022)1005167Lopez,A.,默里角,洛萨诺河Inoue,M.,Ahmad,O.B.-政正,2001.年龄标准化率:世卫组织新标准,10。 World Health Organization,Geneva,p. 9.第九条。安德森,G.,Titov,N.,2014.基于互联网的常见精神障碍干预的优势和局限性。World Psychiatry 13(1),4-11.安德森,G.,Titov,N.,亲爱的B.F.例如,2019.网络心理学治疗:从创新到实施。World Psychiatry 18(1),20-28.澳大利亚统计局(ABS),2020年。澳大利亚的死亡原因https://www.abs.gov.au/statistics/health/causes-death/causes-death-australia/latest-release网站。Belsher,B.E.,Smolenski,D.J.,Pruitt,L.D.,例如,2019.自杀企图和死亡的预测模型:系统回顾和模拟。 JAMA Psychiatry 76(6),642-651.Etzelmueller,A.,维斯角,Karyotaki,E.,例如,2020.基于互联网的认知行为疗法在常规成人护理中治疗抑郁和焦虑的效果:系统回顾和荟萃分析J. Med. Internet Res.22(8),e18100。Kessler,R.C.,安德鲁斯,G.,Colpe,L.J.,例如,2002.监测非特异性心理困扰人群患病率和趋势的短筛查量表。心理学。32(6),959Kroenke,K.,Spitzer,R.L.,Williams,J.B.,2001年PHQ-9:简短抑郁症严重程度测量的有效性 J. 将军Intern. Med. 16(9),606-613。麦考尔,H.C.,Hadjistavropoulos,H. D.,卢策湖2019.重新考虑数字心理健康干预研究中排除标准道德行为31(3),171-180。https://doi.org/10.1080/10508422.2019.1684295网站。Moskalenko,M.Y.,Hadjistavropoulos,H. D.,Katapally,T.R.,2020.抑郁症和焦虑症的互联网认知行为治疗中障碍和兴趣的复杂关联:通过探索性路径告知电子卫生政策分析. J. 门特 健康1-10。https://doi.org/10.1080/09638237.2020.1793125网站。电子版提前打印2020/07/28。Nielssen,O.,亲爱的B.F. Staples,L.G.,例如,2015.风险管理程序和审查MindSpot诊所的危机转诊,MindSpot诊所是一个远程评估和治疗焦虑和抑郁的国家服务机构。BMC Psychiatry 15(1),304.Nielssen,O.,Wallace,D.,大,M.,2017年。波科尔尼的抱怨:自杀风险评估产生的绝大多数误报。BJ Psych Bull 41(1),18新南威尔士州卫生部,2014年。心理健康分类政策。文件编号PD2012_053。文件编号H12/49005。里贝罗,J.D.,黄,X.,福克斯,K.R.,例如,2018.抑郁和绝望是风险自杀意念,企图和死亡的因素:纵向研究的荟萃分析。Br. J. Psychiatry 212(5),279-286.Ryan,C.,Nielssen,O.,Paton,M.,例如,2010.精神病学的临床决策不应基于风险评估。澳大利亚 Psychiatry 18(5),398-403.西蒙通用电气科尔曼,K.J.,R.C.的Rossom,例如,2016年。自杀未遂的风险,在社区实践中完成患者健康问卷抑郁模块后的自杀死亡。 J. Clin. Psychiatry77(2),221-227.西蒙通用电气约翰逊,E.,劳伦斯,J.M.,例如,2018.使用电子健康记录预测门诊就诊后的自杀企图和自杀死亡。Am. J.Psychiatry 175(10),951Spitzer,R.L.,Kroenke,K.,Williams,J.B.,例如,2006.广泛性焦虑症的一个简单评估指标:GAD-7。Arch. Intern. Med. 166(10),1092-1097。Titov,N.,亲爱的B Nielssen,O.,例如,2018.常规护理中的ICBT:描述性分析在五个国家的成功诊所。互联网访谈13,108-115.Titov,N.,亲爱的B.F. Nielssen,O.,例如,2020. 国家数字化精神卫生服务的用户特征和结果:澳大利亚MindSpot诊所 柳叶刀数字健康2(11),e582-e593。Titov,N.,亲爱的B.F. Staples,L.G.,例如,2017. MindSpot诊所的前30个月:根据项目目标评估国家电子精神卫生服务。Aust N ZJPsychiatry 51(12),1227Titov,N.,亲爱的B.F. Staples,L.G.,例如,2015. MindSpot诊所:一个方便,高效,和有效的在线治疗服务焦虑和抑郁症。精神病医生Serv.66(10),1043Torous,J., 沃克河,2019年。利用数字健康和机器学习,减少自杀--从灵丹妙药到实用工具。JAMA Psychiatry 76(10),999-1000.von Elm,E.,阿尔特曼丹吉Egger,M.,例如,2007.加强流行病学观察性研究报告(STROBE)声明:报告指南观察性研究Ann. Intern. Med. 147(8),573-577。佛罗里达州沃尔比,Myhre,M.O.,Kildahl,A.T.,2018.与心理健康服务机构的联系自杀:系统回顾和荟萃分析。精神病医生Serv. 69(7),751-759。Weiser,M.,Goldberg,S.,Werbeloff,N.,例如,2016. 89,049名年轻男性自杀风险由心理健康专家评估。EUR. 神经精神药理学26(2),341
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 深入浅出:自定义 Grunt 任务的实践指南
- 网络物理突变工具的多点路径规划实现与分析
- multifeed: 实现多作者间的超核心共享与同步技术
- C++商品交易系统实习项目详细要求
- macOS系统Python模块whl包安装教程
- 掌握fullstackJS:构建React框架与快速开发应用
- React-Purify: 实现React组件纯净方法的工具介绍
- deck.js:构建现代HTML演示的JavaScript库
- nunn:现代C++17实现的机器学习库开源项目
- Python安装包 Acquisition-4.12-cp35-cp35m-win_amd64.whl.zip 使用说明
- Amaranthus-tuberculatus基因组分析脚本集
- Ubuntu 12.04下Realtek RTL8821AE驱动的向后移植指南
- 掌握Jest环境下的最新jsdom功能
- CAGI Toolkit:开源Asterisk PBX的AGI应用开发
- MyDropDemo: 体验QGraphicsView的拖放功能
- 远程FPGA平台上的Quartus II17.1 LCD色块闪烁现象解析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功